隨著DeepSeek在人工智能和大數(shù)據(jù)領(lǐng)域的持續(xù)發(fā)展,其在技術(shù)創(chuàng)新和應(yīng)用拓展上展現(xiàn)出了驚人的活力。而ChatBI作為下一代BI的革新方向正在重新定義企業(yè)數(shù)據(jù)分析的交互方式和決策模式。許多企業(yè)雀雀欲試開始積極布局這一領(lǐng)域，在年后僅僅不到一個月的時間就有將近幾十家的客戶向永洪科技團(tuán)隊(duì)咨詢關(guān)于ChatBI的相關(guān)技術(shù)與應(yīng)用，希望借助ChatBI的力量，打破傳統(tǒng)BI的限制，實(shí)現(xiàn)更加智能化、人性化的數(shù)據(jù)分析與決策。因此，他們紛紛表示愿意投入資源，與永洪科技團(tuán)隊(duì)攜手合作，加速ChatBI技術(shù)的商業(yè)化進(jìn)程，以期在發(fā)展中脫穎而出，成為下一個像哪吒一樣引領(lǐng)潮流的佼佼者。
通過綜合分析眾多客戶前期的項(xiàng)目POC以及深入的交流，今天我們將探討三個方面的問題：
永洪的ChatBI到底能幫我們解決什么問題?效果如何?具體使用了什么技術(shù)路線?
到底怎樣將ChatBI落地?需要準(zhǔn)備些什么?
ChatBI未來的方向是什么?
解決哪些問題，效果如何?
永洪的ChatBI里面的關(guān)鍵模塊vividime Copilot，既可以解決問數(shù)查數(shù)，又可以解決深層次的數(shù)據(jù)問題比如歸因分析、數(shù)據(jù)預(yù)測、異常值分析等。再從精度、性能及可信度方面來看：
在精度方面，vividime Copilot通過引入多輪召回、輸入提示補(bǔ)齊、分步驟語義和DSL拆分、后置校驗(yàn)機(jī)制，在復(fù)雜業(yè)務(wù)場景下仍能保持90%以上的分析準(zhǔn)確率。
在性能方面，vividime Copilot問答響應(yīng)速度也許并不是很理想，相對于速度，我們優(yōu)先考慮問答的正確率和執(zhí)行復(fù)雜問答任務(wù)的能力。在這方面永洪采用Agent框架設(shè)計(jì)，會將問題拆分為多個子任務(wù)，在處理較復(fù)雜的提問，執(zhí)行鏈路就會變長。同時永洪也采用了類似DeepSeek-R1思考過程的人工設(shè)計(jì)的思維鏈(CoT)來拆解問題和描述任務(wù)內(nèi)容的處理過程，用來增加模型生成的準(zhǔn)確率和穩(wěn)定性，但思維鏈的一個明顯代價就是大量消耗輸出Token數(shù)。在大模型服務(wù)器方面永洪建議采用的是Qwen2.5-32B版本，非量化版模型實(shí)測推理速度穩(wěn)定維持在約為23token/s，速度并不高，這些都會制約vividime Copilot問答實(shí)時響應(yīng)速度。
在可信度方面，ChatBI在應(yīng)用中，難免會有錯誤的答案，怎樣先確定思考的過程是否正確?生成的結(jié)果怎樣排查到錯誤，并快速修復(fù)?解決這些問題，才能代表一個ChatBI產(chǎn)品具有可信性。永洪給到用戶的是整個分析過程是可以完全可視其推理邏輯，這使得用戶能夠清晰地追蹤和理解每一個分析步驟背后的邏輯依據(jù)。通過判斷生成圖表所綁定的字段以及篩選器來識別數(shù)據(jù)是否準(zhǔn)確，對認(rèn)為不準(zhǔn)確可以調(diào)整其中的維度、度量、指標(biāo)、分組條件、枚舉值、統(tǒng)計(jì)值等，按照自己的設(shè)想二次點(diǎn)選生成新的相關(guān)圖表。還可以通過點(diǎn)贊的方式對更改后的準(zhǔn)確結(jié)果進(jìn)行固化。
具體使用了什么技術(shù)路線?
永洪采用NL2SKILL的技術(shù)路線，相比于Text2SQL或NL2SQL，其核心目標(biāo)不是將自然語言轉(zhuǎn)化為標(biāo)準(zhǔn)化的SQL語句，而是將自然語言轉(zhuǎn)化為端到端的分析技能(元數(shù)據(jù)查詢、繪制圖表、數(shù)據(jù)洞察、圖表解讀等)，采用自主設(shè)計(jì)的領(lǐng)域描述語言(DSL)定義，覆蓋從數(shù)據(jù)查詢到分析結(jié)果輸出的完整流程。這種路線有三大優(yōu)勢：首先保持最大的靈活性和擴(kuò)展性，還可避免完全受限于基座大模型的SQL生成能力和某些任務(wù)無法用SQL表達(dá)的限制，同時用戶提問被大模型轉(zhuǎn)換為圖表的中間語義層DSL描述，能較容易地直接轉(zhuǎn)換為圖表顯示。
整個智能問答過程通過意圖識別與技能分類 → 元數(shù)據(jù)與知識動態(tài)召回 → 任務(wù)調(diào)度與子任務(wù)編排 →LLM生成響應(yīng)與DSL轉(zhuǎn)換 → BI引擎解析與執(zhí)行的鏈條將自然語言轉(zhuǎn)化為可落地的分析動作。其核心價值可以降低使用門檻，業(yè)務(wù)人員直接獲取洞察，無需理解技術(shù)細(xì)節(jié);提升分析深度，融合查詢、計(jì)算、建模、可視化多環(huán)節(jié);適應(yīng)復(fù)雜場景，通過動態(tài)調(diào)度應(yīng)對多變的企業(yè)需求。
怎樣將ChatBI落地?需要準(zhǔn)備些什么?
ChatBI項(xiàng)目想要成功落地需要從數(shù)據(jù)、業(yè)務(wù)、人三線并進(jìn)，數(shù)據(jù)線實(shí)現(xiàn)元數(shù)據(jù)標(biāo)準(zhǔn)化與知識沉淀;業(yè)務(wù)線選擇高價值場景快速驗(yàn)證，建立用戶信任。人線要有明確的角色和職責(zé)，配套的組織驅(qū)動力。
數(shù)據(jù)方面
相對于BI，ChatBI對數(shù)據(jù)質(zhì)量要求更嚴(yán)苛，本質(zhì)上是由于自然語言的開放性和模糊性與機(jī)器對結(jié)構(gòu)化數(shù)據(jù)的精確性要求之間的矛盾。因此在這種情況下需先保證數(shù)據(jù)準(zhǔn)確，在保證數(shù)據(jù)質(zhì)量，如字段名漢字化、字段類型正確、避免字段名歧義，避免數(shù)據(jù)冗余和不一致，加工關(guān)鍵指標(biāo)(避免“不可回答的問題”)等。在這里加入數(shù)據(jù)模型和指標(biāo)管理平臺會是一個不錯的選擇。
知識沉淀在永洪通過配置知識庫的方式來解決復(fù)雜問題、領(lǐng)域問題。在我們實(shí)踐中分為如下四類：
規(guī)則結(jié)構(gòu)化：企業(yè)里獨(dú)有的知識，如銷冠、高價值訂單等定義。
上下文感知：特定詞匯，“本單位”、“本部門” 等無法被AI理解的詞匯。
可視化預(yù)置：明確展現(xiàn)圖表類型， 如占比分析用餅圖展示，情況結(jié)果用表格展示。
混合檢索：對于開放性的問題，與數(shù)據(jù)字段完全無關(guān)的問題，如輸出營銷總結(jié)?企業(yè)為了員工做了什么努力?
永洪的知識庫配置體系通過規(guī)則結(jié)構(gòu)化、上下文感知、可視化預(yù)置、混合檢索四重機(jī)制，將分散的企業(yè)知識轉(zhuǎn)化為ChatBI的“認(rèn)知能力”。
業(yè)務(wù)方面
結(jié)合永洪的實(shí)踐，我們推薦挑一個業(yè)務(wù)場景先試點(diǎn)，可結(jié)合數(shù)據(jù)情況、用戶數(shù)、使用頻次等挑選場景。聚焦價值明顯、可行性高、風(fēng)險可控的原則，先選擇一個小而具體的場景，確保ChatBI能夠真正解決該場景下的痛點(diǎn)。通過試點(diǎn)，我們可以積累寶貴的經(jīng)驗(yàn)，了解ChatBI在實(shí)際業(yè)務(wù)中的表現(xiàn)和局限性，為后續(xù)全面推廣打下堅(jiān)實(shí)的基礎(chǔ)。同時，試點(diǎn)過程中也能夠讓業(yè)務(wù)部門感受到ChatBI的價值，增強(qiáng)他們對新技術(shù)的信心和接受度。在試點(diǎn)成功后，我們可以逐步擴(kuò)大ChatBI的應(yīng)用范圍，將其融入到更多的業(yè)務(wù)場景中。
人方面
結(jié)合上面數(shù)據(jù)和業(yè)務(wù)的考量，我們來看chatBI應(yīng)該是怎樣的落地流程?如下：業(yè)務(wù)調(diào)研明確場景——知識提煉——準(zhǔn)備數(shù)據(jù)——數(shù)據(jù)預(yù)處理——知識庫配置——場景測試(通用化場景測試、業(yè)務(wù)化場景測試)——UAT 測試——正式上線——用戶培訓(xùn)——持續(xù)優(yōu)化。在這個流程中業(yè)務(wù)專家、IT專家、數(shù)據(jù)專家都是必不可少的，業(yè)務(wù)專家負(fù)責(zé)明確業(yè)務(wù)場景和需求，為ChatBI的應(yīng)用提供方向;IT專家負(fù)責(zé)技術(shù)實(shí)現(xiàn)和系統(tǒng)集成，確保ChatBI與現(xiàn)有IT架構(gòu)的兼容性和穩(wěn)定性;數(shù)據(jù)專家則負(fù)責(zé)數(shù)據(jù)的收集、清洗和治理，為ChatBI提供高質(zhì)量的數(shù)據(jù)支持。值得一提的是，領(lǐng)導(dǎo)層的參與也是必不可少的，領(lǐng)導(dǎo)層提供戰(zhàn)略方向，確保ChatBI項(xiàng)目與公司整體戰(zhàn)略保持一致，并在資源分配上給予必要的支持，還能增強(qiáng)項(xiàng)目在組織內(nèi)部的影響力，推動各部門之間的協(xié)作與配合。
ChatBI未來的方向是什么?
從永洪的角度，結(jié)合自身在BI產(chǎn)品上的優(yōu)勢特色，下一步會進(jìn)一步按照降低使用門檻的方向?qū)崿F(xiàn)智能生成報告，智能查找報告，智能設(shè)置報告，智能操控報告等。同時也會探索產(chǎn)品深度嵌入業(yè)務(wù)決策，實(shí)現(xiàn)“分析-模擬-決策”閉環(huán)，這一閉環(huán)將幫助企業(yè)在數(shù)據(jù)洞察的基礎(chǔ)上，快速響應(yīng)市場變化，制定并執(zhí)行更加精準(zhǔn)有效的決策策略。
最后總結(jié)一下，從LLM的技術(shù)特性與商業(yè)智能(BI)場景的深度融合視角來看，LLM將為BI產(chǎn)品體系帶來革命性能力躍遷。要充分明確各自的優(yōu)勢，LLM以其強(qiáng)大的自然語言處理能力，能夠更好地理解用戶的查詢意圖，提供更加精準(zhǔn)、個性化的數(shù)據(jù)分析結(jié)果。而BI產(chǎn)品則擅長將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀、易懂的圖表和報告，幫助用戶快速洞察數(shù)據(jù)背后的商業(yè)價值。將兩者相結(jié)合將開啟智能決策新紀(jì)元。
商業(yè)化的 ChatBI 目前面臨著諸多挑戰(zhàn)，未來的發(fā)展道路充滿艱辛，需要不斷突破多重瓶頸，各廠商在這一過程中應(yīng)保持嚴(yán)謹(jǐn)?shù)膽B(tài)度，持續(xù)投入大量的資源和精力。永洪堅(jiān)信智能分析革命必將全面爆發(fā)，我們會始終堅(jiān)守初心，不斷探索創(chuàng)新，致力于提升 ChatBI 的性能和功能，為客戶提供更優(yōu)質(zhì)、更高效的服務(wù)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
